Fitting Dynamically Misspecified Models: An Optimal Transportation Approach
动态误设模型的拟合：最优传输方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究动态状态空间模型，并明确列出 DSGE、趋势周期及仿射期限结构应用，支持时间序列与资产定价方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
动态误设模型的拟合：最优传输方法
- 研究问题
- 状态空间模型的动态结构可能误设时，如何获得满足模型限制的滤波状态、可解释的参数估计，并判断模型能否重现样本路径？
- 方法与思路
- 作者用序贯最优传输将灵活简约式观测映射到结构条件分布，以生成模型一致样本，并通过生成与实际观测的差距估计参数。
- 材料陈述的贡献
- 摘要称，论文给出线性过程的闭式滤波算法、估计量的大样本性质及设定检验，并以 DSGE、仿射期限结构和趋势周期模型说明应用。
- 阅读关注点
- 应核对传输映射的构造、简约式估计误差如何进入理论结果，以及最小化观测差距所得参数在动态误设下具有何种解释。
- 阅读边界
- 仅据 arXiv 预印本摘要，同行评审或期刊接收未核实；大样本条件、检验有效性及各应用的数值结果均未说明。
原文摘要
This paper considers filtering, parameter estimation, and testing for potentially dynamically misspecified state-space models. When dynamics are misspecified, filtered values of state variables often do not satisfy model restrictions, making them hard to interpret, and parameter estimates may fail to characterize the dynamics of filtered variables. To address this, a sequential optimal transportation approach is used to generate a model-consistent sample by mapping observations from a flexible reduced-form to the structural conditional distribution iteratively. Filtered series from the generated sample are model-consistent. Specializing to linear processes, a closed-form Optimal Transport Filtering algorithm is derived. Minimizing the discrepancy between generated and actual observations defines an Optimal Transport Estimator. Its large sample properties are derived. A specification test determines if the model can reproduce the sample path, or if the discrepancy is statistically significant. Empirical applications to DSGE models, affine term structure models, and trend-cycle decomposition illustrate the methodology and the results.